网络环境下海量信息的局部模式提取方法

海量信息的模式提取是网络环境下海量信息集成研究的难点.给出了一种新的局部精确模式提取及其增量保持方法,通过探测目标集的路径距离,利用Hash类及其路径距离操作,将模式的生成规模控制在"模式直径"范围内,从而有效地抑制了模式膨胀.     

ORDBMS中主动性规则的研究与实现

归纳了ORDBMS(object-relationaldatabasemanagementsystem)主动性规则的一般描述形式,对规则各种语义、规则继承、规则操作、多规则触发以及规则的级联触发进行了全面的探讨.提出并实现了一种适用于ANGEL系统的简化E-C-A(event-condition-action)模型.该模型提供了对"更新/更新”、"查询/更新”、"更新/查询”和"查询/查询”这4类规则的支持、对C-A分离耦合模式以及对冲突执行触发器的优先级定义手段,并通过在触发约束表示中将NEW与OLD扩展为一种路径量词而提供了对集合约束的表示和实施能力.另外,还讨论了该模型中基于事务的规则行为分析方法.     

空间数据仓库模型和空间Cube计算方法

1 引言据有关资料统计,目前人类拥有的各种信息90％以上与空间位置相关。随着各种计算机化的数据收集工具的广泛应用,目前人们积累了大量的地理空间数据。例如,各种数字化的专题地图:岩石类型分布地图、降水量地图、人口分布地图、行政区划地图等。同时,随着各类地理信息系统(GIS)软件的广泛应用,这些空间数据大多得到了有效的管理。     

ASQL环境中基类扩充的实现

介绍了在ANGEL系统的SQL（ANGEL Structured Query Language,ASQL）环境中，实现基类扩充的两种方式，重点介绍用户定义函数机制，包括UDF内外表示形式的设计，用户函数体目标代码的生成与管理手段，以及动态链接手段的实现等，UDF,ANGEL还实现了用户自定义操作符及操作符重载。     

数据流中异常模式的提取与趋势监测

研究的重点是数据流环境中异常模式的提取与趋势监测．主要贡献包括：①提出了一个进行异常模式发现的度量框架——强度比率，为异常模式挖掘提供了度量标准；②在基于异常模式求取的基础上，提出了利用回归分析方法——最小二乘法进行异常模式趋势监测．实验结果表明，提出的异常模式度量和求取算法是合理的，提出的趋势监测方法是有效的、可行的．     

基于结构分析和实体识别的信息集成

针对海量的web数据，提出了一种基于文档结构分析和实体识别的web信息提取和集成方法，利用XML强大的数据描述能力，灵活组织集成的web文档信息内容．方法首先将半结构化的HTML文档转化成具有模式结构的XML文档，然后使用实体识别的技术对不同主题区域进一步抽取出格式良好的数据，最后将得到的多数据类型的信息集成到数据库中，以支持进一步的分析和查询．实验结果证明了该方法的实用和有效性．     

数据结构课程的知识体系和教学实践

数据结构是计算机学科的重要分支研究领域。数据结构和算法在计算机学科中的地位十分重要，其他计算机科学领域及有关的应用软件都要使用到各种数据结构。数据结构是算法分析与设计、操作系统软件工程、数据库概论、编译技术、计算机图形学，人机交互等专业基础课和专业课程的先行课程。语言编译要使用栈、散列表及语法树：操作系统中用队列、     

基于聚类的位置数据库动态重组

在无线移动计算环境中,如何合理地组织和存储移动对象(mobile object)的配置信息从而有效地降低查询和更新代价是位置管理(location management)中的一个重要问题.将数据挖掘应用到移动计算环境中是一项具有挑战性的研究课题,具有广阔的应用前景.从数据挖掘的角度出发,提出了一种优化位置数据库的解决方案.首先采用一种新的层次聚类算法对移动日志聚类,然后根据聚类的结果对位置数据库动态重组,从而有效地降低了查询和更新代价.     

语义Web及其描述语言

The semantic Web is the direction of the Internet. This paper introdues the framework of the semantic Web and some language used to describle it,including RDF/RDFS and DAML OIL etc. At the same time, this paper dicusses that how denote the knowledge of the semantic Web with the logistic method,and makes a simple reason.     

一种有效的隐私保护关联规则挖掘方法

隐私保护是当前数据挖掘领域中一个十分重要的研究问题,其目标是要在不精确访问真实原始数据的条件下,得到准确的模型和分析结果.为了提高对隐私数据的保护程度和挖掘结果的准确性,提出一种有效的隐私保护关联规则挖掘方法.首先将数据干扰和查询限制这两种隐私保护的基本策略相结合,提出了一种新的数据随机处理方法,即部分隐藏的随机化回答(randomized response with partial hiding,简称RRPH)方法,以对原始数据进行变换和隐藏.然后以此为基础,针对经过RRPH方法处理后的数据,给出了一种简单而又高效的频繁项集生成算法,进而实现了隐私保护的关联规则挖掘.理论分析和实验结果均表明,基于RRPH的隐私保护关联规则挖掘方法具有很好的隐私性、准确性、高效性和适用性.